论文部分内容阅读
【摘 要】本文在分析了短期客流量影响因素的基础上，从平常日客流量与节假日客流量两个角度出发，对基于支持回归向量的台湾旅游短期客流量预测模型进行了研究，并提出了具体的注意事项，希望能够为有关人员提供参考。
【关键词】支持向量回归；台湾；旅游；短期客流量；预测模型
一、前言
生活水平的提高使得旅游行业逐渐兴起，台湾具有较为发达的经济，且存在较多旅游景点与经典小吃，一直以来都吸引着大量的旅游者前去旅游。在支持向量回归的基础上，对台湾旅游短期客流量的预测模型加以建立，能够使其短期客流量被更加准确的预测，因此也就能够为台湾旅游行业的发展提供参考。
二、短期客流量影响因素
旅游客流量指的是旅游者从客源地向旅游目的地流动的人群数量以及流动模式。按照旅游时间的不同，可以将其分为日客流量、月客流量、季客流量以及年客流量四种。所谓的短期客流量，主要指的是日客流量。
影响短期客流量的因素有很多，其中经济、政治、教育水平以及资源与交通等都会对其产生影响。以政治因素为例。以交通为例，与台湾之间交通比较便捷的地点，其对台湾所形成的短期客流量便会较大，大陆的广东便在这一范围内。除此之外，心理因素以及个人喜好也会对短期客流量产生影响。因此，在分析短期客流量的过程中，必须充分考虑多方面因素。
三、基于支持向量回归的台湾旅游短期客流量预测模型
1.支持向量回归
支持向量回归是分析台湾旅游短期客流量的一种主要方法，分析过程的实现要依靠支持向量机学习算法来完成，这一算法以统计学理论为基础，通过不断的应用与更新，其分析的准确程度得到了极大的提高。以其为基础，实现对台湾旅游短期客流量的分析与预测，能够使多种影响因素得到综合处理，对于客流量预测效率以及准确度的提高能够起到极大的促进作用。
2.基于支持向量回归的平常日客流量预测模型
基于支持向量回归的平常日客流量预测模型的建立要从基于GA的支持向量回归参数寻优以及对GA-SVR模型的算法过程的分析来完成。
调查显示，2015年度台湾与大陆两岸往来人员总量为985.61万人次，同比增长4.73%，其中大陆居民赴台湾旅游人数达340万人次。
GA运算过程如下：参考台湾2015年度旅游人数数据，在n=1的前提下，随机初始种群，并将种群数目与最大数目做对比，发现种群数目小于最大数目，计算适应值，并完成父代选择、交叉与变异的过程，设置n=n+1，再次判断种群数目与最大数目之间的关系。前者数目大于后者，结束进程，最优者输出。
GA-SVR运算：参考台湾2015年度旅游人数数据以及初始值，将数据具体分为训练集与测试集，在此基础上，以初始值为标准以及训练集与测试集为标准，训练SVR模型，继而通过一系列的计算过程，最终获得GA-SVR预测值。
通过上述计算过程得出如下结果：
通过对一系列数据的分析，得出如下结果：
（1）历史同日的客流量，对于本日的客流量会产生较大的影响，因此，在对台湾平常日客流量的预测过程中，可以以历史同日的客流量为参考来完成。、
（2）昨日客流量同样会对平常日客流量产生影响，一般情况下，台湾旅游者均为外来人员，鉴于其在交通方面投入的大量资本，游客往往不会当日返回，这是导致昨日客流量影响平常日客流量的主要因素。
（3）每日人体的舒适度也会对客流量产生影响。如人体舒适度较低，则当日客流量较低，反之则否，可见两者呈正相关。
3.基于支持向量回归的节假日客流量预测模型
2012年至2015年，台湾节假日游客总量占全年游客总量百分比分别为15.24%、13.47%、10.25%、17.15%和19.01%。与平常日客流量预测计算过程一致，最终得出节假日客流量结果（以五一国际劳动节为例）：
通过对各节假日预测值的对比发现，台湾节假日客流量以五一时期最少。节假日往往分布在不同的季节，因此对于台湾节假日短期客流量的预测，同样需要考虑到季节方面的因素。台湾南部与北部处于不同的气候带，夏季集中在5月到9月，这一季节气温较高，且容易发生台风。五一国际劳动节是主要节假日，且正处于台湾的夏季，台风多发，因此旅游者通常不会选择在这一节假日前往台湾旅游。
四、注意事项
在对台湾旅游短期客流量进行预测的过程中，需要注意以下问题：短期客流量中的日客流量不仅会受历史客流量以及人体舒适度的影响，同时还会受到其他因素的影响。台湾较为著名的景区，其日客流量相对于其他景区而言往往较大，因此很容易出现客流拥堵的情况，不仅会对游客本身造成影响，同时对于景区状态的保持也非常不利。对此，可以在支持向量回归的基础上，考虑上述因素对其日最大客流量进行预测，并在客流量最大的时间，通过分流的方式，解决精确的拥堵问题。
五、结论
综上所述，以支持向量回归为基础，对台湾旅游短期客流量进行预测能够有效的判断出其短期客流量与众多影响因素之间的关系，并最终得出客流量随各影响因素的变化趋势，这对于台湾旅游业发展能够起到极大的支持。因此，有必要对这一方法加以重视。
参考文献：
[1]陈荣.基于支持向量回归的旅游短期客流量预测模型研究[D].合肥工业大学，2014.
[2]陈荣，梁昌勇，梁焱，马银超. 基于APSO-SVR的山岳风景区短期客流量预测[J]. 旅游科学，2013，03：50-60.
[3]陈荣，梁昌勇，陆文星，宋国锋，梁焱. 基于季节SVR-PSO的旅游客流量预测模型研究[J]. 系统工程理论与实践，2014，05：1290-1296.
[4]翁钢民，李凌雁，李慧盈. 季节调整的PSO-SVR模型及其在旅游客流量预测中的应用——以海南省三亚市为例[J]. 数学的实践认识，2016，06：6-13.
【关键词】支持向量回归；台湾；旅游；短期客流量；预测模型
一、前言
生活水平的提高使得旅游行业逐渐兴起，台湾具有较为发达的经济，且存在较多旅游景点与经典小吃，一直以来都吸引着大量的旅游者前去旅游。在支持向量回归的基础上，对台湾旅游短期客流量的预测模型加以建立，能够使其短期客流量被更加准确的预测，因此也就能够为台湾旅游行业的发展提供参考。
二、短期客流量影响因素
旅游客流量指的是旅游者从客源地向旅游目的地流动的人群数量以及流动模式。按照旅游时间的不同，可以将其分为日客流量、月客流量、季客流量以及年客流量四种。所谓的短期客流量，主要指的是日客流量。
影响短期客流量的因素有很多，其中经济、政治、教育水平以及资源与交通等都会对其产生影响。以政治因素为例。以交通为例，与台湾之间交通比较便捷的地点，其对台湾所形成的短期客流量便会较大，大陆的广东便在这一范围内。除此之外，心理因素以及个人喜好也会对短期客流量产生影响。因此，在分析短期客流量的过程中，必须充分考虑多方面因素。
三、基于支持向量回归的台湾旅游短期客流量预测模型
1.支持向量回归
支持向量回归是分析台湾旅游短期客流量的一种主要方法，分析过程的实现要依靠支持向量机学习算法来完成，这一算法以统计学理论为基础，通过不断的应用与更新，其分析的准确程度得到了极大的提高。以其为基础，实现对台湾旅游短期客流量的分析与预测，能够使多种影响因素得到综合处理，对于客流量预测效率以及准确度的提高能够起到极大的促进作用。
2.基于支持向量回归的平常日客流量预测模型
基于支持向量回归的平常日客流量预测模型的建立要从基于GA的支持向量回归参数寻优以及对GA-SVR模型的算法过程的分析来完成。
调查显示，2015年度台湾与大陆两岸往来人员总量为985.61万人次，同比增长4.73%，其中大陆居民赴台湾旅游人数达340万人次。
GA运算过程如下：参考台湾2015年度旅游人数数据，在n=1的前提下，随机初始种群，并将种群数目与最大数目做对比，发现种群数目小于最大数目，计算适应值，并完成父代选择、交叉与变异的过程，设置n=n+1，再次判断种群数目与最大数目之间的关系。前者数目大于后者，结束进程，最优者输出。
GA-SVR运算：参考台湾2015年度旅游人数数据以及初始值，将数据具体分为训练集与测试集，在此基础上，以初始值为标准以及训练集与测试集为标准，训练SVR模型，继而通过一系列的计算过程，最终获得GA-SVR预测值。
通过上述计算过程得出如下结果：
通过对一系列数据的分析，得出如下结果：
（1）历史同日的客流量，对于本日的客流量会产生较大的影响，因此，在对台湾平常日客流量的预测过程中，可以以历史同日的客流量为参考来完成。、
（2）昨日客流量同样会对平常日客流量产生影响，一般情况下，台湾旅游者均为外来人员，鉴于其在交通方面投入的大量资本，游客往往不会当日返回，这是导致昨日客流量影响平常日客流量的主要因素。
（3）每日人体的舒适度也会对客流量产生影响。如人体舒适度较低，则当日客流量较低，反之则否，可见两者呈正相关。
3.基于支持向量回归的节假日客流量预测模型
2012年至2015年，台湾节假日游客总量占全年游客总量百分比分别为15.24%、13.47%、10.25%、17.15%和19.01%。与平常日客流量预测计算过程一致，最终得出节假日客流量结果（以五一国际劳动节为例）：
通过对各节假日预测值的对比发现，台湾节假日客流量以五一时期最少。节假日往往分布在不同的季节，因此对于台湾节假日短期客流量的预测，同样需要考虑到季节方面的因素。台湾南部与北部处于不同的气候带，夏季集中在5月到9月，这一季节气温较高，且容易发生台风。五一国际劳动节是主要节假日，且正处于台湾的夏季，台风多发，因此旅游者通常不会选择在这一节假日前往台湾旅游。
四、注意事项
在对台湾旅游短期客流量进行预测的过程中，需要注意以下问题：短期客流量中的日客流量不仅会受历史客流量以及人体舒适度的影响，同时还会受到其他因素的影响。台湾较为著名的景区，其日客流量相对于其他景区而言往往较大，因此很容易出现客流拥堵的情况，不仅会对游客本身造成影响，同时对于景区状态的保持也非常不利。对此，可以在支持向量回归的基础上，考虑上述因素对其日最大客流量进行预测，并在客流量最大的时间，通过分流的方式，解决精确的拥堵问题。
五、结论
综上所述，以支持向量回归为基础，对台湾旅游短期客流量进行预测能够有效的判断出其短期客流量与众多影响因素之间的关系，并最终得出客流量随各影响因素的变化趋势，这对于台湾旅游业发展能够起到极大的支持。因此，有必要对这一方法加以重视。
参考文献：
[1]陈荣.基于支持向量回归的旅游短期客流量预测模型研究[D].合肥工业大学，2014.
[2]陈荣，梁昌勇，梁焱，马银超. 基于APSO-SVR的山岳风景区短期客流量预测[J]. 旅游科学，2013，03：50-60.
[3]陈荣，梁昌勇，陆文星，宋国锋，梁焱. 基于季节SVR-PSO的旅游客流量预测模型研究[J]. 系统工程理论与实践，2014，05：1290-1296.
[4]翁钢民，李凌雁，李慧盈. 季节调整的PSO-SVR模型及其在旅游客流量预测中的应用——以海南省三亚市为例[J]. 数学的实践认识，2016，06：6-13.